उच्च अपेक्षा, मर्यादित विश्वास
स्वीडनमधील एका नव्या सर्वेक्षणातून वैद्यकीय क्षेत्रात AI स्वीकारण्याच्या केंद्रस्थानी असलेला विरोधाभास दिसून येतो: लोकांना ही तंत्रज्ञान पूर्णपणे विश्वासार्ह वाटण्याआधी ते माणसांपेक्षा चांगले असणे आवश्यक आहे. गोतेंबर्ग विद्यापीठाच्या एका अभ्यासानुसार, स्वीडनमधील डॉक्टर आणि सर्वसामान्य जनता दोघेही आरोग्यसेवेत वापरल्या जाणाऱ्या AI प्रणालींनी सध्याच्या मानवी कामगिरीपेक्षा जास्त अचूकतेचे निकष पूर्ण करावेत अशी अपेक्षा करतात, विशेषतः गंभीर क्लिनिकल परिस्थितींमध्ये.
हा निष्कर्ष वैद्यकीय AI विकसक आणि आरोग्य प्रणालींसाठी एक कठोर वास्तव दाखवतो. अनेक उद्योगांमध्ये, नवीन software फक्त उपयुक्त असेल किंवा खर्च किंवा गतीत थोडेसे चांगले असेल तरी ते स्वीकारले जाऊ शकते. क्लिनिकल care मध्ये सामाजिक निकष वेगळा असतो. लोक फक्त कार्यक्षमता मागत नाहीत. ते असे system मागतात जे ज्या व्यावसायिकांना ते पाठबळ देऊ शकते किंवा अंशतः बदलू शकते, त्यांच्या तुलनेत कमी धोकादायक चुका करते. त्याच वेळी, सर्वेक्षणात AI वरील विश्वास मध्यम असल्याचे आढळले, मजबूत नाही; म्हणजेच उच्च अपेक्षा विश्वासापेक्षा जलद येत आहेत.
हा अभ्यास 2025 च्या वसंत ऋतूमध्ये स्वीडनमध्ये यादृच्छिकपणे निवडलेल्या 1,000 लोकांना पाठवलेल्या सर्वेक्षणावर आधारित होता; त्यांना डॉक्टर आणि सामान्य जनता अशा समान भागांत विभागले गेले होते. प्रतिसाद दर डॉक्टरांमध्ये 45% आणि सामान्य जनतेमध्ये 31% होता. सहभागींना विविध आरोग्यसेवा परिस्थितींचे मूल्यांकन करण्यास आणि सध्याच्या आरोग्यसेवा कामगिरीच्या तुलनेत AI प्रणालीकडून किती चुकलेल्या किंवा चुकीचे आकलन झालेल्या प्रकरणांना स्वीकार्य मानले जाईल हे सांगण्यास सांगितले गेले.
AI आल्यावर मानक का वाढते
सर्वात स्पष्ट निष्कर्षांपैकी एक म्हणजे उच्च-धोका असलेल्या परिस्थितींमध्ये अपेक्षा अधिक तीव्र होतात. छातीत दुखणे यासारख्या प्रकरणांमध्ये, सामान्य जनतेतील अनेकांना एकही केस चुकू नये असे वाटत होते. डॉक्टर त्रुटीची थोडी मर्यादा स्वीकारण्यास अधिक तयार होते, जे false negatives आणि false positives यांच्यातील व्यावहारिक tradeoff बद्दल त्यांची समज दर्शवते.
हा फरक महत्त्वाचा आहे, कारण तो AI तैनातीच्या चर्चांमध्ये वारंवार दिसणारी एक समस्या उघड करतो. अचूकता ही एकच संख्या नाही जी मुद्दा निकाली काढते. एखादी प्रणाली गंभीर प्रकरणे कमी चुकण्यासाठी ट्यून करता येते, पण तसे केल्याने खूप जास्त false alarms निर्माण होऊ शकतात. यामुळे अनावश्यक चाचण्या, कर्मचाऱ्यांच्या वेळेवर ताण, आणि रुग्णांना अतिरिक्त प्रक्रियांना सामोरे जावे लागू शकते. अभ्यासाच्या सारांशात संशोधक Rasmus Arvidsson यांनी म्हटल्याप्रमाणे, सर्वांना आजारी म्हणून चिन्हांकित करणारी प्रणाली गंभीर रोग चुकवणार नाही, पण ती उपयुक्त वैद्यक ठरणार नाही.
म्हणूनच आव्हान फक्त AI अधिक sensitive करणे नाही. कोणत्या प्रकारची त्रुटी-समतोलता कोणासाठी, आणि कोणत्या संदर्भात स्वीकार्य आहे हे ठरवणे महत्त्वाचे आहे. सर्वेक्षण सूचित करते की जनता आणि डॉक्टर नेहमी एकाच starting point वरून सुरुवात करत नाहीत. अनेक नागरिक गंभीर परिस्थितींमध्ये AI कडून जवळपास-शून्य-चूक असा आदर्श अपेक्षित धरतात, तर डॉक्टर नैदानिक अनिश्चिततेत काम करण्यास अधिक सरावलेले असतात.
हा mismatch स्वीकार प्रक्रियेला आकार देईल. जर रुग्ण जवळपास परिपूर्णता अपेक्षित करत असतील, पण रुग्णालये फक्त किरकोळ सुधारणा देणारी tools खरेदी करत असतील, तर प्रतिक्रिया येणे अपेक्षित आहे. त्यामुळे AI ला tradeoff काढून टाकते असे सादर करण्याऐवजी, त्याबद्दल अधिक उघड सार्वजनिक चर्चा होणे गरजेचे आहे, असे हा अभ्यास सुचवतो.
वापर विश्वासापेक्षा वेगाने वाढत आहे
सर्वेक्षणात असेही आढळले की अनेक उत्तरदाते आधीच एखाद्या ना एखाद्या स्वरूपात AI वापरत होते, पण त्यापैकी तुलनेने कमी जणांनी त्यावर उच्च विश्वास व्यक्त केला. डॉक्टरांमध्ये chat-based AI tools वरचा विश्वास हा ECGs चे अर्थ लावण्यासाठी आधीपासून वापरल्या जाणाऱ्या AI प्रणालींवरील विश्वासाइतकाच होता. दहापैकी सातपेक्षा जास्त डॉक्टरांनी chat-based tools वापरून पाहिले होते, पण फारच कमी जण त्यांचा क्लिनिकल निर्णयासाठी वापर करत होते.
हा नमुना बरेच काही सांगतो. प्रयोग मोठ्या प्रमाणावर सुरू आहे, पण व्यावसायिक अवलंबित्व मर्यादित आहे. डॉक्टर tools तपासत आहेत, त्यांची क्षमता पाहत आहेत, आणि कदाचित background tasks किंवा कल्पना निर्मितीसाठी त्यांचा अनौपचारिक वापर करत आहेत; पण रुग्ण परिणामांशी थेट जबाबदारी असलेल्या निर्णयांमध्ये ते अद्याप खोलवर गुंतवत नाहीत.
सामान्य जनतेमध्ये, सुमारे दहापैकी एक उत्तरदात्याने आरोग्य सल्ल्यासाठी AI वापरल्याचे सांगितले. विश्वास मध्यम असला तरी हे लक्षवेधी आहे. औपचारिक care pathways मध्ये तंत्रज्ञान कुठे बसावे याबद्दल व्यापक संस्थात्मक एकमत तयार होण्याआधीच consumer-facing AI दैनंदिन आरोग्य वर्तनात प्रवेश करत आहे, हे यावरून दिसते.
मध्यम विश्वास आणि प्रत्यक्ष वापर यांच्या मिश्रणातून एक संक्रमणकालीन अवस्था तयार होते. आरोग्यसेवेत AI आता काल्पनिक नाही, पण ती अजून विश्वासार्ह क्लिनिकल authority म्हणून सामान्यीकृतही झालेली नाही. धोरणकर्ते आणि सेवा पुरवठादारांसाठी ही मधली अवस्था कदाचित सर्वात नाजूक आहे. लोक अपेक्षा तयार करण्याइतपत तिच्या संपर्कात आले आहेत, पण मानवी प्रणालींमध्ये सहन केल्या जाणाऱ्या चुका स्वीकारण्याइतका विश्वास त्यांना नाही.
अभ्यास काय दाखवतो आणि काय दाखवत नाही
- स्वीडनमध्ये डॉक्टर आणि सर्वसामान्य जनता दोघेही आरोग्य AI माणसांपेक्षा अधिक अचूक असावे अशी अपेक्षा करतात.
- गंभीर परिस्थितींमध्ये, विशेषतः छातीत दुखणे यासारख्या प्रकरणांमध्ये, अपेक्षा फारच कठोर होत्या.
- AI वरील विश्वास मध्यम होता, आणि उच्च विश्वास व्यक्त करणारे फारच थोडे होते.
- दहापैकी सातपेक्षा जास्त डॉक्टरांनी chat-based AI tools वापरून पाहिले होते, पण फारच कमी जणांनी त्यांचा क्लिनिकल निर्णयात वापर केला.
- सामान्य जनतेतील सुमारे दहापैकी एकाने आरोग्य सल्ल्यासाठी AI वापरली होती.
लेखकांनी नमूद केले आहे की प्रतिसाद दर समान अभ्यासांशी सुसंगत आहे, मात्र त्यामुळे निष्कर्ष व्यापक लोकसंख्येचे किती प्रतिनिधित्व करतात याबाबत काही अनिश्चितता येते. तरीही, हे सर्वेक्षण स्वीडनपलीकडेही लागू होणारी एक गती पकडते. वैद्यकीय AI चे मूल्यमापन केवळ तांत्रिक निकषांवर होत नाही. त्याचे सामाजिक, नैतिक, आणि तुलनात्मक निकषांवरही मूल्यमापन होत आहे. AI सध्याच्या care पेक्षा चांगले काम करू शकते का, हाच प्रश्न लोक विचारत आहेत; फक्त ती काम करू शकते का, एवढाच नाही.
हा फरकच आरोग्य AI च्या पुढील टप्प्याची व्याख्या करणार आहे. ज्या प्रणाली workflow सुधारतात पण त्यांच्या error profile चे स्पष्ट समर्थन देऊ शकत नाहीत, त्यांना विश्वास मिळवण्यात अडचण येऊ शकते. ज्या प्रणाली मोजता येण्याजोगी सुधारणा दाखवू शकतात, त्यांनाही त्या काय चुकवतात, काय जास्त ओळखतात, आणि जबाबदारी machine आणि clinician मध्ये कशी वाटली जाते, हे स्पष्टपणे सांगावे लागेल. स्वीडिश सर्वेक्षण सांगते की निकष आधीच खूप उंच आहे. उद्योगासाठी कठीण बाब अशी की, जनता आणि डॉक्टर दोघेही वैद्यकात AI वर अवलंबून राहण्याआधी तो निकष आणखी उंच व्हावा अशी इच्छा व्यक्त करतात.
हा लेख Medical Xpress च्या रिपोर्टिंगवर आधारित आहे. मूळ लेख वाचा.
Originally published on medicalxpress.com

